心血管风险人群体重管理的混合医疗IT与远程健康干预：一项实用性随机可行性试验

《JMIR mHealth and uHealth》：Hybrid Health IT and Telehealth –Delivered Behavioral Weight Loss Services for Primary Care Patients With Cardiovascular Risk Factors: Intervention Component Design and Pragmatic Randomized Feasibility Trial

本研究针对初级医疗中强化生活方式干预(ILI)实施困难的问题，设计并评估了基于电子健康档案(EHR)的混合医疗IT与远程健康干预方案。通过单中心实用性随机试验证实，该方案在招募流程、随机分组和数据收集方面具有可行性，干预组患者体重自我监测和健康资源使用率呈现提升趋势，6个月时15%参与者实现≥5%体重减轻，为大规模有效性试验奠定了基础。

　　

在现代医疗体系中，超重和肥胖已成为全球性的健康挑战，它们与心血管疾病、糖尿病等慢性病的发生发展密切相关。尽管研究表明强化生活方式干预(Intensive Lifestyle Intervention, ILI)能有效促进体重减轻并改善心血管风险因素，但医疗系统在实施这类干预时面临诸多现实障碍。传统的ILI需要专门的医护人员、场地设施和技术支持，这与现有医疗机构的常规工作流程和资源配置往往难以协调。因此，探索如何在初级医疗环境中高效、可持续地实施ILI，成为当前研究的重要方向。

在此背景下，研究团队将目光投向了混合医疗IT与远程健康技术的结合。随着电子健康档案(Electronic Health Record, EHR)系统的普及和远程医疗技术的发展，为创新医疗服务模式提供了新的可能。通过EHR系统，医疗机构可以更精准地识别目标人群，自动化地开展患者教育、监测和随访，从而降低人力成本，提高干预效率。同时，远程健康技术使得专业的生活方式指导能够突破时空限制，更灵活地触达患者。

为了验证这一思路的可行性，研究人员开展了一项题为"Hybrid Health IT and Telehealth–Delivered Behavioral Weight Loss Services for Primary Care Patients With Cardiovascular Risk Factors: Intervention Component Design and Pragmatic Randomized Feasibility Trial"的研究，该成果发表在《JMIR mHealth and uHealth》期刊上。这项研究旨在设计基于EHR的ILI核心组件实施策略，并通过实用性随机试验评估其可行性、可接受性和初步有效性。

研究采用的关键技术方法包括：基于EHR的自动化患者识别与招募系统、无线体重秤(e-Scale)远程监测技术、MyChart患者门户的信息推送系统、与健身组织的合作资源整合，以及混合研究方法（结合定量数据与质性访谈）。研究在芝加哥一家初级医疗诊所进行，纳入80名BMI≥27 kg/m²且伴有心血管风险因素的患者，随机分为基础生活方式支持(Basic Lifestyle Support, BLS)组和定制生活方式支持(Customized Lifestyle Support, CLS)组。

可行性试验流程与参与者特征

研究团队通过EHR系统筛选出2146名符合条件的患者，经过医生预审后，向426名患者发送了邀请信息。结果显示，74%的患者打开了邀请信息，其中25%表示愿意参与体重管理项目，最终80名患者纳入试验。参与者平均年龄58.3岁，平均BMI为33.5 kg/m²，人口学特征与目标人群基本一致，表明招募流程具有较好的代表性。

pragmatic体重数据收集的可行性

尽管受到COVID-19疫情影响，通过结合EHR门诊体重记录和e-Scale远程监测数据，研究人员成功获取了96%参与者的6个月体重数据。这种多源数据收集策略证明了在真实世界条件下持续监测体重的可行性。

初步体重减轻效果

结果显示，60%的参与者在6个月时体重有所下降，15%达到了≥5%的体重减轻目标。虽然CLS组在每日自我称重(43% vs 21%)和健康资源使用率(52% vs 37%)方面呈现优于BLS组的趋势，但两组在体重减轻幅度上无统计学显著差异，这可能与样本量较小有关。

患者对干预组件的参与情况

绝大多数患者(96%)能够成功使用提供的e-Scale进行体重监测，78%的患者在12周干预期间坚持每周称重。45%的患者使用了合作健身组织提供的健康指导服务，其中选择面对面和远程方式的比例分别为28%和18%。CLS组中98%的患者接受了至少一次护士电话指导，表明"阶梯式"支持策略具有较好的可接受性。

干预实施成本

初步成本分析显示，前6个月的人均干预成本为335美元，其中BLS组为284美元，CLS组为382美元。成本主要包括人员投入、设备采购和合作服务费用，为后续的成本效益评估提供了基础数据。

患者对干预的感知

通过对15名参与者的深度访谈，研究人员发现患者普遍认为"10周减重10磅"的目标是合理且可实现的。患者重视来自医护人员和专业教练的支持性问责，但对自动化信息的个性化程度和及时性提出了更高要求。一些患者指出，每日称重可能带来心理压力，建议更加关注行为改变过程而非单纯的体重数字。

研究结论表明，基于EHR的混合医疗IT与远程健康干预在初级医疗环境中具有实施可行性。自动化招募、随机分组和数据收集流程运行良好，干预组件被患者广泛接受，并显示出促进健康行为改变的潜力。特别是在COVID-19疫情期间，这种远程支持模式展现了其独特的适应性优势。

这项研究的创新之处在于将ILI的核心组件分解为可独立实施的策略，并通过EHR系统进行整合协调。这种模块化 approach 既保持了干预的科学性，又提高了在真实医疗环境中的可行性。研究结果为后续大规模有效性试验奠定了基础，也为医疗系统创新慢性病管理模式提供了重要参考。

未来研究需要进一步优化干预策略，特别是在个性化支持、情绪管理和社会环境适应等方面。同时，评估不同实施策略的成本效益，探索可持续的报销机制，将是推动这类创新模式广泛应用的关键。随着数字健康技术的不断发展，混合医疗IT与远程健康的结合有望为慢性病管理开辟新的路径，最终实现提升人群健康水平的目标。